为何二分类任务的混淆矩阵仅输出单个条目array([[2]])？

在仅含10个样本的二分类（0或1）数据集上，使用简单SVM与Logistic Regression模型训练，代码如下：

sc = StandardScaler()
X_scaled = sc.fit_transform(X)
X_train,X_test,y_train,y_test = train_test_split(X_scaled,y,test_size=0.2,random_state=42)
LR.fit(X_train,y_train)
y_pred=LR.predict(X_test)
print(accuracy_score(y_test,y_pred)) # 输出为1.0
con= confusion_matrix(y_test,y_pred)  # 输出为array([[2]])
con.shape # 输出为(1, 1)

尝试打印混淆矩阵时仅得到上述单条目结果，请问原因是什么？

• 测试集样本仅包含二分类中的其中一类：总样本数为10，test_size=0.2对应测试集共2个样本，这2个样本的真实标签属于同一类别（全为0或全为1）。
• 结合模型预测完全正确（准确率1.0），confusion_matrix只会基于测试集中实际存在的类别生成结果矩阵，因此只会出现1x1的单条目，代表该类别下的所有样本都被正确预测。

直接打印测试集的真实标签即可确认类别分布：

print(y_test)

输出会显示两个相同的标签值（例如[0,0]或[1,1]），验证测试集的类别单一性。

内容的提问来源于stack exchange，提问作者Alishba Haider